与「无聊技术」相关的搜索结果

推荐这篇，Dan McKinley（前 Etsy 工程师）写的经典工程文化文章。他说每个公司大约有三次"创新 token"的机会——你选了 NodeJS、MongoDB、使用不到一年的服务发现技术，每次都是花掉一次。而选 MySQL、Postgres、Python、Cron……这些无聊技术的好处在于，不仅功能被充分理解，失败模式也被充分理解。这不是一篇反对新技术的文章——是教你什么时候该用新技术、为什么要给团队设定"使用新东西需要全公司知道"的文化。 选择无聊的技术 我职业生涯中发生的最好的事，大概是有 Kellan 管我。我在那里待得够久，看到了 Kellan 的技术决策开始结出果实。我从中并且作为其结果学到了很多东西。 离开 Etsy 一年后，我重新恢复了对技术的关注能力。我的思考已经结晶到可以连贯地写下来的程度。以下是 Kellan 式思考的总结——希望不会让他太过尴尬。 拥抱无聊 设想每个公司大约有三个创新 token。你可以随心所欲地花它们，但供应量在一段长时间内是固定的。你也许在达到一定程度的稳定和成熟之后能再多拿到几个，但一般倾向是高估你钱包里有多少。 如果你选择用 NodeJS 写你的网站，你刚花掉了一个创新 token。如果你选择用 MongoDB，你刚花掉了一个创新 token。如果你选择用存在了一年或不到的服务发现技术，你刚花掉了一个创新 token。如果你选择自己写数据库——天哪，你麻烦大了。 这些选择中任何一个对一家 JavaScript 咨询公司或一家数据库公司可能是合理的。但你大概率不是。你大概率在为一家至少表面上是"重新思考全球商务"或"重新发明网络支付"或推进某个同样适当宏大的使命的公司工作。在这个背景下，把你有限的注意力用在创新 SSH 上，是一种极好的失败方式。或者至少是延迟成功的方式。 什么算无聊？这有点微妙。"无聊"不应该和"坏"混为一谈。世界上有既无聊又坏的技术——你不应该用这些。但有很多无聊且好的技术选择，或至少足够好。MySQL 是无聊的。Postgres 是无聊的。PHP 是无聊的。Python 是无聊的。Memcached 是无聊的。Squid 是无聊的。Cron 是无聊的。 无聊的美妙之处（如此定义下）在于这些工具的能力是被充分理解的。但更重要的是，它们的失败模式也是被充分理解的。 在选择技术时，你既有已知的未知，也有未知的未知。 • 已知的未知是类似这样的："我们不知道这个数据库达到 100% CPU 时会发生什么。" • 未知的未知是类似这样的："老天，我们甚至没有想到写统计量会导致 GC 暂停。" 哪怕对于已经存在了几十年的技术，这两种集合通常都是非空的。但对于闪亮的新技术来说，未知的未知的量级要大得多——这很重要。 全局优化 我毫无歉意地认为偏袒无聊技术是一件好事，但它不是唯一需要考虑的因素。技术选择不是在孤立状态下发生的。它们有一个影响范围，触及整个团队、组织，以及从你所有选择之和里涌现出的系统。 向公司添加技术是带成本的。作为一个抽象陈述这很显而易见：如果我们已经在用 Ruby，再加 Python 感觉不合理，因为增加的复杂性会超过 Python 的边际效用。但不知何故当我们谈论 Python 和 Scala 或 MySQL 和 Redis 时，人们失去了理智，抛弃了所有约束，开始狂热地谈论为任务选最佳工具。 你的工作本质上是将业务问题映射到一个涉及软件选择的解空间上。如果软件选择真的没有包袱，你确实可以为你各种各样问题挑一堆局部最佳的工具。 但在现实世界里——那个运维是严重关切的世界——你是在全局优化。问题在于"最佳工具"思维对它眼中的"最佳"和"任务"是近视的。你的任务是保持公司运转。而"最佳"工具是那个在尽可能多的问题上占据"最不差"位置的工具。 保持系统可靠运行的长期成本基本上总是远远超过你在构建时遇到的任何不便。成熟和多产的开发者理解这一点。 有时选择新技术 把这种推理推到归谬的极端，就是选 Java，然后尝试不借助任何其他东西来实现一个网站。那将是疯狂的。你需要一些向工具箱里添加东西的方法。 重要的第一步是承认这是一个过程，以及一场对话。新技术最终会产生公司层面的影响，所以添加技术是一个需要公司层面可见度的决定。 最值得推荐的练习之一是：考虑如何在不添加任何新东西的情况下解决你的当前问题。 首先，提出这个问题应该能检测到"问题"其实是有人真的想用这项技术的情况。如果是这样，你应该立即否决。 一个小的技术选择集合能走多远，可能令人惊讶。实践中这个问题的答案几乎从来不是"我们做不到"，它通常只是某种程度上的"嗯，我们可以做到，但会太难了"。如果你认为你用现有的工具无法实现你的目标，你大概只是不够有创造力地思考。 写下到底是什么让当前技术栈如此昂贵和困难地解决问题，这会有帮助。这和上一个练习相关，但有微妙的不同。 新技术选择可能是纯增量式的（比如："我们还没有缓存，所以让我们加 memcached"）。但它们也可能与你已经在使用的东西重叠或替换它。如果是这样，你应该为将旧功能迁移到新系统设定明确的期望。 策略通常应该是"我们承诺迁移"，带有建议的时间线。这一步的目的是把残骸保持在可管理的水平，并避免局部最优解的泛滥。 这个过程并不令人生畏，也不麻烦。就是几个填空题作为作业，然后开个会讨论一下。我认为，如果一项新技术能毫发无损地通过这个挑战，加入它是可以的。 发版就好 多语言编程被包装成一个承诺：让开发者以完全的自由选择自己的工具，会使他们更有效地解决问题。这个问题的定义往好了说是幼稚的，往坏了说是动机性推理。这种方式产生的日常运维苦力的重量把你压死。 有意识地选择技术给了工程头脑真正的自由：沉思更大问题的自由。为技术而技术是万金油。 原文：Dan McKinley, "Choose Boring Technology", 2015 #工程文化# #技术选型# #无聊技术#

推荐下，这期 JL Collins × Steven Bartlett《The Diary of a CEO》 的完整播客采访。 很有哲理的财富观，推荐每个人看完结合自己的条件再规划下属于自己的路径： 1️⃣为什么要避免债务。 2️⃣支出低于收入成为习惯有多必要。 3️⃣投资剩余的钱，是未来的底气。 4️⃣学会先获得购买权，再消费。 他在36分钟的时候也谈到了对比特币的态度！ 正片2小时15分钟，链接放在最后， 也可以选择看看我下面有 GPT 的整理版和我的注解，不想听我啰嗦的可以直接去看正片。 JL Collins 就是《The Simple Path to Wealth》的作者， 先说我认为这期采访真正的核心：钱最重要的功能，不是让你买更多东西，而是让你越来越不需要向任何人低头。 也就是说，财富的终点不是消费能力，而是选择权。 这也是整期两个多小时反复回到的主线。 下面是 AI 按采访顺序的梳理： 00:00–03:27｜为什么写《The Simple Path to Wealth》 JL 最初根本没准备写一本畅销书，而是在博客上给女儿 Jessica 留下一套关于钱的知识。 他认为，一个人如果把钱的问题处理好，人生会容易非常多。不是因为钱本身能带来幸福，而是有资源的人拥有更多选择，没有资源的人很多时候连选择的资格都没有。 因此他写作的目标从来不是教女儿如何暴富，而是教她：如何避免因为钱而失去人生的自主权。 03:27–05:10｜绝大多数人对钱最大的误解 普通人的第一反应是： 有钱了可以买什么？ 房子、车、旅行、奢侈品…… JL 认为这是文化灌输给我们的默认思维。 钱当然可以消费，但还有第二个用途： 钱可以替你工作。 你工作→赚到钱→把其中一部分变成资产→资产继续产生钱。 于是慢慢发生一个巨大变化： 一开始，是你用时间换钱； 后来，是钱替你换时间。 所以他建议把“我能用这笔钱买什么”改成： “这笔钱将来能替我赚多少钱、买回多少自由？” 05:10–06:15｜什么叫财务自由 只要你必须每天出售自己的时间、劳动和注意力才能活着，你就仍然依赖某一个愿意付钱给你的人或组织。 老板、客户、公司、平台…… 所以财务自由不是“我有很多钱”。 而是： 工作开始变成可选项。 你可以工作，但不是“不工作就活不下去”。 这个区别非常大。 06:15–13:11｜为什么很多成功人士都有创伤 Steven 谈到自己的经历：年轻时冒险、辍学创业、拼命证明自己，很大程度来自内心的不安全感和创伤。 JL 观察到一个有意思的现象： 很多极度成功的人背后都有某种“我要证明自己”的东西。 创伤、不被认可、自卑、家庭问题…… 它可能成为非常强的驱动力。 但反过来，他也认识一些人，没有那么大的野心，只想过舒服、自由、平静的人生。这些人反而往往成长环境更加稳定。 这引出了一个问题： 巨大的野心究竟是一种能力，还是一种没有被治愈的伤口？ 采访没有给确定答案，但 Steven 明确提到，他认识的一些超级富豪并不快乐。 其中一个重要寓言：和尚与大臣 JL 的书开头有个故事。 两个童年好友，一个后来成为国王身边的大臣，一个成为清贫和尚。 大臣看和尚每天粗茶淡饭，就说： 你如果学会讨好国王，就不用吃这种苦了。 和尚回答： 你如果学会满足于粗茶淡饭，也就不用讨好国王了。 JL 说自己一直更接近和尚。 这其实是他全部财富哲学最简洁的表达： 降低欲望，也是一种提高自由度的方法。 当一个人的“必须拥有”越来越少，他需要讨好的人也会越来越少。 13:11–14:22｜钱与幸福的关系 JL 并不认同“钱能让你幸福”。 他的观点更细： 钱不一定增加幸福，但缺钱可以制造大量痛苦。 催债信、房租、账单、医疗费用、失业风险…… 这些东西会长期占据人的心理空间。 所以财富最先改善的，往往并不是快乐，而是： 减少焦虑。 而且金钱有放大效应。 一个本来就不快乐的人， 变成富豪以后仍然可能不快乐； 一个本身就很满足的人， 有钱以后会获得更多选择。 Steven 也谈到自己以前觉得 Range Rover、 豪宅会带来巨大幸福， 后来真正拥有以后， 发现心理冲击远没有想象中大。 JL 因此强调： 享受财富， 但不要要求财富负责治愈你。 14:22–15:59｜什么才是真正的 F.U. Money 一般人把 FU Money 理解为： 钱多到永远不用工作。 JL 说那其实叫 Financial Independence。 他定义的 FU Money 反而是： 走向财务自由途中已经积累起来的那部分钱。 哪怕你只有足够活六个月的钱， 它都已经开始改变你的行为。 老板羞辱你，你可以离职； 行业不好，你可以休息半年； 想去欧洲旅行，你可以辞职； 想换城市，你不用害怕三个月没收入。 所以财富不是到了终点才有用。 每增加一笔储蓄，你的自由其实已经增加了一点。 15:59–25:32｜采访最有争议的观点：年轻人未必应该买房 JL 不是反房地产。 他自己一生也买过很多房。 但他说： 房子应该首先看作一种生活消费，而不是自动等于一项好投资。 买房最大的问题不只是首付和房贷。 还有装修、家具、维修、房产税、保险、屋顶、花园、设备等等。 所以“我的月供和房租差不多”这个比较经常是错误的。 房租 2500 美元，你大致知道成本； 房贷 2500 美元，可能突然再来一个 2 万美元屋顶。 而且人买房时经常出现一个行为偏差： 银行说你最多可以贷 100 万，你就真的去买一个接近自己极限承受能力的房子。 于是房子开始绑架现金流。 买房真正被忽略的是机会成本和流动性 JL 和 Steven 都特别重视这一点。 20 多岁、30 多岁的时候，人的最大财富可能不是现有资产，而是： 未来几十年的机会。 工作突然要求你去纽约； 创业机会在旧金山； 你想去葡萄牙； 换行业； 认识了另一半； 都需要移动。 租房的人可以很容易离开。 房主却要卖房、承担交易成本，或者突然变成一个根本不想当的房东。 所以 JL 的结论不是： “永远不要买房。” 而是： 年轻且正在快速发展事业时， 不要低估流动性的价值。 等你已经非常有钱， 而且某套房确实提升生活质量，再去买。 那时候你是在强势位置购买， 而不是被房贷绑架。 25:32｜整本书浓缩成三句话 JL 的财富路径非常简单： 避免债务。 支出低于收入。 投资剩余的钱。 基本上整场采访后面的一个多小时， 都在解释这三件事。 26:49–36:03｜债务为什么如此危险 个人消费债务在他眼里几乎是财务自由的反面。 尤其：信用卡债务、消费贷、豪车贷款。 因为你不仅在为过去的消费付款， 还把未来的现金流提前抵押掉了。 他把债务形容成游泳运动员腰上绑着铅块。 不是绝对游不到终点，但难度大得多。 他的还债方法也很明确： 把所有债务列出来； 其他债务付最低还款； 集中现金优先消灭利率最高的债务； 然后第二高、第三高…… 这是数学上效率最高的一种方法。 “必须拥有”的暴政 JL 创造了一个很好的概念： Tyranny of the Must-Haves。 “我必须住这个区。” “孩子必须读这所学校。” “必须有两辆好车。” “必须每年出国。” “必须住大房子。” 每增加一个“必须”，自由就少一点。 他自己年轻时直接存收入的 50%。 但他说自己从没觉得这是“牺牲”。 他的心理账户是： 我不是少花掉了 50%。 我把那 50% 花在了购买自由上。 这一点我觉得是整期非常高级的一个重新定义。 消费其实经常是在购买自尊 Steven 讲了自己年轻时候一个非常真实的经历。 发薪以后立刻买大电视、PlayStation， 因为这些东西能让自己短暂感觉： “我成功了。” 过几天发现没钱，又把东西卖掉。 下一次发工资继续循环。 JL 提醒： 很多炫耀性消费，本质并不是需要那个东西， 而是希望别人通过那个东西认可自己。 他举 Ferrari 的例子： 你开 Ferrari 时以为别人想： “这个人真厉害。” 实际上别人很可能想的是： “如果我开这辆 Ferrari，我一定很帅。” 人家压根没那么关心你。 36:03–38:43｜他为什么不投资 Bitcoin 这里应该也是你比较关心的一段。 JL 明确表示： 他不反对 Bitcoin 存在，但自己不投资。 原因不是他说 Bitcoin 一定归零， 而是他认为 Bitcoin 对他来说属于 speculation， 而不是 investment。 他的投资标准是： 背后最好有一个持续产生经济价值的“发动机”。 企业销售产品、产生利润、现金流增长。 而 Bitcoin 在他的框架里没有这套现金流， 所以他无法估值。 Steven 反驳： 如果 Bitcoin 过去十五年的成功如此巨大， 本身是不是已经证明市场存在真实需求？ JL 承认： 完全可能。 Cathie Wood 等人的长期判断也完全可能最终是对的。 但他说他无法判断未来十年，所以选择不参与。 因此他的立场其实没有标题那么绝对。 不是： “Bitcoin 是骗局。” 而是： “Bitcoin 超出了我的投资框架，所以我把它归类成投机。” 38:43–46:37｜应该还房贷还是投资 答案取决于房贷利率。 因为提前还贷相当于获得一个确定性收益： 如果你的房贷利率是 7%，提前还款大致相当于获得一笔确定性的 7% 成本节省。 房贷利率极低时，投资机会成本更重要； 房贷利率非常高时，提前还款吸引力更高。 他随后解释了利率、房贷本金、利息以及为什么前期月供中利息占比较大。 他也说，不要试图精准预测“什么时候利率最低然后买房”。 因为利率同样很难预测。 最终还是回到： 现在是否买得起，这个房子是否真正改善你的生活。 46:37–55:13｜AI 时代，现在买股票安全吗？ JL 给出的答案很经典： 短期永远不安全，长期反而非常安全。 股票最大的特征不是“危险”，而是： 波动。 如果三年后要买房的钱、明年孩子读书的钱放进股市，很危险。 因为明年完全可能跌 30%、40%。 但如果是十年、二十年甚至更长的钱， 股票是人类历史上极强大的长期财富生产工具之一。 核心条件只有一个： 大跌的时候不能因为恐惧卖掉。 否则再好的资产都救不了你。 所以真正最大的投资风险，有时候不是资产： 而是投资者自己。 男人为什么投资经常不如女人 这里他们谈到一个有意思的行为： tinkering——手痒。 觉得： 这个配置再优化一下； 换个 ETF； 追一下热点； 择个时； 卖了再买回来…… JL 发现很多男性尤其喜欢这样做。 Steven 引用了一些男女投资行为的数据，核心结论是： 男性更倾向承担风险、频繁交易和择时； 女性往往交易更少、更长期持有。 所以即使男性经常“感觉自己更懂投资”，最终反而可能因为过度操作拖累回报。 JL 开玩笑说： 看来自己有非常强的“女性一面”。 他的核心仍然是： 少做事。 55:13–1:02:38｜复利真正发生时是什么样 采访展示了一张长期复利曲线。 早期非常无聊。 本金不断增加，资产增长并没有明显脱离投入的钱。 然后几十年后突然： 曲线翘起来。 JL 说他见过很多已经财务独立的人，反而问他： “我真的财务自由了吗？” 不是他们不会算数学。 而是复利增长到后期会快得令人产生不真实感。 他随后解释 4% guideline： 如果一年生活费 10 万美元， 大约需要： 10 万 × 25 = 250 万美元投资资产。 250 万 × 4%=10 万。 所以可以粗略用： 年度支出 × 25 作为财务独立目标值。 但他刻意不用“4% Rule”，而更喜欢叫 guideline，因为现实情况会变化。The Singju Post 复利最终有一个非常有意思的状态： “所有东西都免费了” 意思不是东西真的不要钱。 而是： 当投资资产每年产生的钱已经高于你的全部消费时， 新消费不再需要靠劳动补回来。 年轻时你舍不得买的东西，后来反而可以轻松买。 这也解释了他的财富哲学： 不是永远节俭。 而是： 先获得购买权，再消费。 而不是提前几十年透支未来购买权。 1:02:38–1:12:54｜“我年轻时不享受，老了有钱有什么意义？” Steven 提出年轻人非常自然的反驳： 20 岁不去旅行、不喝酒、不玩、不买东西，一直省钱，等到 70 岁一身钱，有什么意义？ JL 的回答不是让人苦行。 他首先反对： “享受人生=花很多钱。” 更有意思的是，他说 75 岁以后其实钱非常有用。 因为年纪越大，舒适、安全、医疗、便利的价值越高。 但他年轻的时候也并不是为了“75岁的自己”投资。 他 25 岁攒了约 5000 美元，就敢辞职去欧洲背包旅行。 所以： 储蓄不是只帮助未来的你， 它马上就在帮助今天的你。 5000 美元可能还不能退休， 但已经足够让一个年轻人敢辞掉不喜欢的工作。 他为什么主张储蓄率 50% 第一份正式工作年薪约 1 万美元，他直接存 5000。 他认为 50% 是一个非常强的 benchmark。 在市场正常的情况下， 坚持高储蓄率 + 投资， 大概十几年就可能走向财务独立。 当然这不意味着所有人都必须 50%。 他的意思是： 不要先问： “50% 怎么可能？” 应该先问： 财务自由对我到底值多少钱？ 有人选择星巴克、好房子、名车； 有人选择早点自由。 没有道德上的对错，是优先级不同。 1:07:08｜给孩子最大的投资礼物其实是时间 他特别建议，如果孩子已经有合法劳动收入， 可以尽早利用 Roth IRA 等美国税优账户投资。 原因不是那几千美元有多重要。 而是孩子拥有： 50 年、60 年甚至更长的复利时间。 他说财富积累最强大的变量之一就是： Time。 越早开始，后来需要付出的本金越少。 1:12:54–1:20:04｜税优账户到底有什么意义 他详细讲了美国的： 401(k)、403(b)、IRA、Roth IRA。 传统退休账户的本质通常不是“不交税”， 而是：延迟交税。 现在收入高时把钱放进去； 投资增长； 退休以后收入降低，税率可能下降； 再把钱取出来。 同时雇主的 401(k) match 基本属于： 应该优先拿的“免费钱”。 他也提醒： tax deferred ≠ tax free。 JL 自己反而出现了一个特殊情况： 退休后因为写书、事业成功，税率甚至比以前高， 因此传统税延策略对他没有达到典型效果。 1:20:04–1:27:39｜他到底买什么资产 答案极其无聊： 低成本、广泛分散的指数基金。 他的代表选择就是 Vanguard： VTSAX——美国 Total Stock Market Index Fund。 大约覆盖数千家美国上市公司。 为什么？ 因为他完全不知道未来哪个公司会赢。 但指数有一个非常厉害的机制： 赢家越来越大，自然在指数中的权重越来越高； 输家不断萎缩，最终被淘汰； 新的赢家自动进来。 JL 给它起了一个词： self-cleansing——自我清洁。 Sears 曾经像今天 Amazon+Walmart 一样强大。 后来 Sears 消失了。 但指数投资者不需要提前预测 Sears 会死， 也不需要提前猜 Amazon 会赢。 市场替你完成替换。The Singju Post 为什么他不直接买 Nasdaq 100？ Steven 提出： AI、机器人、自动驾驶都属于科技， 过去十年 Nasdaq 又表现极好， 那为什么不直接重仓科技？ JL 承认： 这个逻辑完全合理。 甚至过去十年确实会赚得更多。 问题只有一个： 你仍然是在预测未来。 今天科技领先， 不代表未来四十年始终由科技这个分类领先。 所以 JL 说： 我买整个市场。 科技继续赢——我已经持有科技巨头； 科技输了——新的赢家同样会自动进入我的组合。 所以他放弃一部分极致收益潜力，换来： 不需要预测未来。 1:27:39｜全片最好的投资比喻：啤酒与泡沫 JL 现场倒了一杯啤酒。 杯子里两部分： Beer = 企业真正创造的经济价值。 收入、利润、现金流、业务。 Foam = 市场情绪。 恐惧、贪婪、AI 故事、想象力、炒作、估值。 股价=Beer + Foam。 问题在于现实股票不像透明酒杯，我们很难知道到底多少是啤酒，多少是泡沫。 他拿 Tesla 举例： Tesla 当前估值中包含大量对机器人、自动驾驶等未来业务的预期。 如果未来这些业务真的实现： 泡沫会慢慢变成啤酒。 如果没有实现： 泡沫就可能消失。 巴菲特为什么那么厉害 用 JL 的啤酒逻辑： Benjamin Graham 早期寻找的是： 价值 1 美元的“啤酒”，市场只卖 0.7 美元。 巴菲特后来逐渐升级成： 与其极低价买垃圾，不如合理价格买极好的企业。 优秀企业： 品牌强； 竞争壁垒高； 盈利能力强； 管理优秀。 最难的地方不是分析。 而是： 拥有足够的耐心什么都不做。 所以他们谈到 Munger / Buffett 一个非常重要的投资原则： 不要妨碍复利自己工作。 1:33:40–1:36:06｜市场暴跌怎么办 答案： 不要卖。 2020 年疫情就是案例。 市场暴跌，恐慌蔓延。 但企业和经济最终恢复。 如果你因为新闻而清仓，可能在最低点附近离开； 随后又因为上涨产生 FOMO，在高位重新买回。 所以 JL 的方法很简单： 长期资金继续持有； 如果仍在积累期，甚至可以继续买。 真正危险的是： 把正常波动理解成世界末日。 短线交易和投资完全是两种东西 用“Beer/Foam”理论： 买企业未来几十年的盈利能力，是 investment。 试图预测明天、下周、下个月市场情绪产生的 Foam，是 trading/speculation。 后者在 JL 看来非常接近赌博。 他们也吐槽各种“教你稳定交易赚钱”的课程： 如果真的存在一个可以持续提款的秘密策略， 为什么最赚钱的业务会变成卖课？ 这不是说所有金融教育都是骗局，而是在提醒： 对“快速、稳定、高收益的交易秘诀”高度警惕。 1:39:26｜需不需要财务顾问 JL 对财务顾问整体比较怀疑。 他的一个有意思的判断是： 当你已经懂得足够多，能够识别一个优秀财务顾问的时候，你可能也已经懂得足够多，可以自己投资。 尤其要注意利益冲突。 比如顾问按照 AUM 收 1% 管理费。 你有 100 万美元交给他； 突然想拿 50 万提前还房贷。 如果他说“还”，自己的管理费收入立刻减少一半。 不代表他一定会骗你。 但： 激励结构已经产生冲突。 所以永远要知道： “给我建议的人，是怎么赚钱的？” 1:42:13｜JL Collins 自己到底怎么配置 他当时透露大致： 80% VTSAX 美国全市场股票 15% Total Bond Market 债券 5% Money Market / 现金类资产 另外有两处自住房性质的小房地产， 但在净资产中比例很低。 他已经 75 岁，这个股票比例其实非常激进。 他自己也明确说： 不一定适合其他同龄人。 债券的作用主要不是赚钱，而是降低波动。 他把“风险”重新定义： 股票短期风险大，因为波动； 但长期能对抗通胀。 债券短期稳定； 但长期可能输给通胀。 因此： 安全与否必须带上时间维度。 1:45:23｜Steven 现场问 ChatGPT：普通人如何财务自由 ChatGPT 给出的答案大意和 JL 几乎一样： 控制支出； 购买低成本广泛指数； 长期持有； 让复利工作。 JL 开玩笑： ChatGPT 应该是把他的书拿去训练了。 随后 Steven 又问： 怎样提高收入？ JL 的答案： 提高技能。 ChatGPT 的答案也类似： 学习市场需求高的技能。 1:46:26–1:49:33｜AI 时代应该学什么 Steven 讲自己年轻时候学 Social Media。 创业虽然失败，但因此站在了一个新行业浪潮最前面。 后来企业疯狂需要懂社交媒体的人， 于是那个失败经历反而变成极高价值的人力资本。 JL 由此讲： Failure 是成长的一部分。 甚至创业世界里， 有些投资人更喜欢经历过失败的创始人。 Steven 给未来孩子的建议很有意思： 如果不知道学什么， 去一个处于技术浪潮最前沿的 startup 工作。 哪怕它最后倒闭。 因为你会离创始人很近； 离问题很近； 离失败很近； 离新产业真正发生的地方也很近。 这可能比一个安稳的大公司职位学得更多。 1:49:33以后｜收入低不等于不能财务自由 JL 举了两个极端例子。 一个朋友一辈子收入可能没超过 4 万美元， 却最终财务独立。 另一个金融行业朋友： 90 年代奖金就有 80 万美元； 年收入大约百万美元； 结果仍然接近月光。 为什么？ 豪宅、车、孩子学校、社交圈…… JL 甚至认为： 高收入有时候反而是财务自由的障碍。 因为高收入会自动把你推入另一个消费比较体系。 普通人比较车。 富人比较房子。 更富的人比较游艇。 游戏没有终点。 收入越来越高， Lifestyle Creep 也越来越大。 所以： 决定财务独立的不是绝对收入， 而是收入与欲望之间的差值。 随后谈到了一个经常被忽略的财富杀手：离婚 Steven 讲了一个， 身价可能数亿美元的朋友正在经历长期离婚诉讼。 律师费、资产估值争议、 强迫出售长期持有的股票、税务损失、精神压力…… JL 的结论是： 选人生伴侣同时也是一个巨大的财务决定。 当然 Steven 也补充非常重要的另一面： 如果另一方为了家庭和孩子牺牲职业， 财富本身可能也是夫妻双方共同创造的。 所以他们并不是简单讨论“如何避免分钱”。 真正谈的是： 婚姻是你人生最大的经济合伙关系之一。 Prenup：其实每个人都有婚前协议 一个很有意思的观点： 即使你“不签 Prenup”， 你也并不是没有 Prenup。 你只是选择： 使用政府默认替你制定的 Prenup。 所以问题不是： “要不要规定离婚后怎么处理？” 而是： 你们两个人提前共同决定； 还是几十年以后让法律制度替你决定。 他们认为对于资产复杂的人， 提前认真讨论反而更加成熟。 JL 结婚 44 年最大的经验 Steven 问他： 怎么选对伴侣？ JL 本来一直说自己运气很好， 因为结婚前根本没认真谈过钱。 后来有一次当着妻子的面讲这个故事， 妻子直接纠正他： 两个人第一次约会的时候， JL 就已经跟她讨论储蓄率，甚至说： “你应该存下收入的 50%。” JL 才意识到： 原来财务观早就被自己自然表达出来了。 两个人长期婚姻稳定的一部分原因，就是： 在金钱价值观上高度一致。 1:59:53｜75 岁以后，他最大的遗憾是什么 这是整期采访后面突然非常深的一段。 JL 首先说： 他不太喜欢“如果当时……”这种思维。 因为你永远不知道另一条路是不是真的更好。 创业失败可能导致后来成功； 一次看似错误的选择可能塑造后面的你。 所以从人生路径角度： 他没有特别大的遗憾。 但有两个关于父亲的私人遗憾。 第一个遗憾：童年拒绝父亲的礼物 小时候父亲非常喜欢动手做东西。 有一次给他买了一个电动锯作为礼物。 JL 完全不喜欢，表现得非常失望。 他看到父亲脸上的受伤。 七十年过去，他仍然记得。 他说： 自己当时只是孩子， 也不应该过度责怪那个年纪的自己。 但这件事教会了他： 有时候礼物的价值不在礼物，而在送礼人的心。 第二个，也是他人生最大的遗憾： 父亲去世前的最后一次谈话 JL 24 岁时，父亲因为肺气肿住院。 去世前一天，父亲坐在病床边告诉他： 自己今晚可能要死了。 年轻的 JL 本能回答： 不会的，你会好的，别这样想。 结果父亲那天晚上真的去世了。 五十年以后，JL 才完全理解那个场景： 父亲根本不是需要一句： “别担心，一切都会好起来。” 他是一个已经知道自己即将死亡的人， 想和自己的儿子谈谈死亡。 JL 最大的遗憾是： 自己当时没有成熟到意识到这个邀请。 不是选错答案。 而是： 根本不知道那里存在一道选择题。 说到这里他明显非常动情。 最后谈到死亡 JL 说自己大概率认为： 死亡之后什么都没有。 但他同时对死亡非常好奇。 他并不急着死， 身体和精神状态允许的话仍然很喜欢活着。 只是到了 75 岁，他会好奇： 如果自己错了呢？ 如果真的存在另一边呢？ 最后的问题：人生到底什么最重要？ JL 给出了一个很反鸡汤的答案： 从宇宙尺度上看，什么都不重要。 人类在宇宙时间尺度里只是极短的一瞬。 一个人的生命更短。 所以他不相信宇宙赋予每个人某种宏大使命。 但是，他认为这反而是一件解放人的事情。 因为：既然没有必须完成的宇宙任务， 那就：好好生活；善待别人；尽可能享受这趟旅程； 利用你拥有的自主权，把唯一这一生过好。 他说的不是： “人生没有意义，所以什么都不用做。” 恰恰相反： 正因为没有第二次， 所以更应该把这一次过好。 所以我很喜欢他这段发言。 最后 Steven 播放了一首关于“God on the Train”的诗，主题也与 JL 的观点呼应： 不要为了某个遥远的天堂忽略眼前这一生，善良、不伤害别人、认真活着，本身可能已经足够。 我看完整期以后，认为最值得记住的是下面这一套递进关系：钱 → 资产 → 现金流 → 选择权 → 不被迫 → 自由。 很多人财富增长以后，走的是另一条路：钱 → 消费升级 → 固定成本升级 → 欲望升级 → 必须赚更多钱 → 更不自由。 两个人可能拥有完全相同的净资产，最后得到的东西却完全相反。 这才是 JL Collins 这期采访真正想讲的东西。 而他那句“把收入的 50% 花在自由上”的思维尤其值得琢磨——储蓄不是没有消费，而是在消费一种看不见的东西：未来不必向任何人低头的权利。 视频链接：

昨天在 @predictdotfun 上压比分 1:0 加拿大获胜吃了一波，回血了之前被葡萄牙搞的那场了🤡 90分钟前边看边睡真的太无聊了，虽然进球了但后面走不远的这中场跟前场的组织给到拉完了。 今天的比赛有三场 巴西 v.s. 日本 两边都是擅长打反击的球队，但日本防守中场跟后场伤兵蛮多的，久保建英、遠藤航还有板倉滉都进了伤兵名单，要挡住状态非常火热的维尼修斯老实说有点困难，而且巴西前场跟中场相比于日本更上了一个挡次，还有巴萨的拉菲尼亚两翼齐飞，但日本的射門轉化率高达 26%，基本上只要有4球往球门射正就会进一球效率非常跨张，看日本打球就很舒服流畅的团队传控、配合防守反击，而巴西则是依靠球星天赋以及技术硬解，两边小组赛踢的都很精彩，这场因为日本伤兵后防真的太多了，而巴西的后场防守也不是顶尖的，看好 O/U 大2.5，大 3.5 , 4.5 就当彩票了。 德国 v.s. 巴拉圭 这场应该是最没有悬念的一场，但德国并没有踢的比想象中好，前场跟中场有天赋满满的 哈費爾茨、穆夏拉还有維爾茨，但踢起来的战术传导以及默契有比较大的问题，只要踢上稍为有一点防守的球队像小组赛的厄瓜多以及象牙海岸，得分就没办法大分碾压，而巴拉圭则是进攻只靠风线一人独撑场面，小组赛三场总共只进了一球，而防守也没有很好面对美国丢了4球，这场更看好德国赢球，看赔率的话德国让 1.5 、德国获胜 都是不错的选择。 摩洛哥 v.s. 荷兰 这场是最焦灼的一场，之前摩洛哥被称为非洲之盾团队方守非常出色，上一届主要靠防守反击前进四强，而这届小组赛前场的Saibari发挥出色，目前已经进3球了，目前变成攻防一体的球队了，而荷蘭进攻火力非常凶猛，到目前为止已经进10球了，Brobbey跟Gakpo的锋线火力，配合德容顶尖中场的组织，进攻火力真的是无敌的，但之前坚固的后防在这届对上像是日本、突尼斯这种球队都还会失球，后防会是荷兰这届最大的问题，主要范戴克的老化有点严重了，我觉得他们会跟不上 哈基米跟Saibari打这种快速反击的球队，所以最稳的选项这场也是 O/U 大 2.5，看谁反击配合打的顺了。

推荐这篇文章，Flask 作者 Armin Ronacher 写了这两天我看到最诚实的 loops 反思。之前两篇都在讲 loop 怎么搭、工程怎么落地，这篇问了一个没人敢问的问题：loop 写出来的代码你真的喜欢吗？如果你在用 AI 写代码，这篇可能会让你停下来想一下。 即将到来的 Loop 我不再给 Claude 写 prompt 了。我跑着一些 loop，它们负责给 Claude 写 prompt 并决定做什么。我的工作是写 loop。 — Boris Cherny 过去几个月，我看到越来越多的人在 coding agent 之上构建一些感觉上跟"直接用 coding agent"有本质区别的东西。模式到处都一样：任务被放进某种队列，机器捡起来、尝试、停下来，然后 harness 判断那是不是真的结束。 如果不是，harness 继续同一个 session、注入另一条消息、用修改过的 context 启动一个新的 session、或者把任务发给另一台机器。任务在模型自己本该说"我做完了"的那个点之后，继续活着。 我想这种 loop 想到自己都不好意思承认。 每个 coding agent 内部已经有一个 agent loop 了。模型调用工具、整合结果、再调用工具、读文件、改文件、跑测试、最终生成答案。那个 loop 我们已经相当熟悉了。另一种 loop 是 harness 级别的 loop：agent loop 之外的 loop。那个 loop 也不是新的。从 Claude Code 早期我们就一直在做各种版本，但那个 loop 在 agentic engineering 中越来越重要，最近几周已经开始主导 Twitter discourse。 我还不擅长这个 我目前的状况是：对于我真正在意的代码，我还没怎么成功用过这种工作方式——而这恰好是我相当大一部分代码。 部分原因是品味，部分原因是控制。我对我想要的代码样子设了一个很高的标准，我想理解我交付的代码。在压力下，或者跟另一个人讨论时，我想能够解释清楚系统做了什么，而不是先让一个 clanker 解释给我听。显然，这种"想理解代码"的愿望是否会在几年后依旧存在，是一个问题。但现在，我还没有越过"理解对我来说很重要"这个阶段。 基于这个愿望，对于没有我关注时写出来的代码，尤其是由 loops 产生的代码，我感觉有些东西缺失了。当前模型倾向于产生过于防御性、过于复杂、推理过于局部的代码。它们避免强不变量。它们添加 fallback 而不是让坏状态变得不可能。它们重复代码、发明糟糕的抽象、用更多 machinery 掩盖不清晰的设计。更糟的是：我几乎看不到这方面有什么进步。如果有什么变化的话，我觉得我们可能还在往错误的方向走。至少以我的品味，当前像 Claude Code with ultracode 这样的无人值守 harness 产出的代码，比去年秋天我们产出的还要差。因为 Claude Code 加 Fable 会连续不停地在一个问题上工作 30 分钟甚至更久，而过去这个过程会有更多人参与。 此外，一个众所周知的问题是模型倾向于观察到某个局部失败然后添加局部防御。Karpathy 提到他们"对异常感到极度恐惧"。在具有重要不变量的系统中，尤其是持久化数据格式或核心基础设施，正确的修复不是"处理每个异常情况"。正确的修复是让异常情况一开始就无法被表达或写入。但即便有大量人工引导，LLM 也不会自然地产生那种代码，而且即使代码自然地像那样产生了，它们仍然会试图处理现在已不可能的错误。 当你把这种行为放到 loops 后面时，你往往会放大它。如果每次迭代都添加一个小防御，系统会慢慢变得更不透明，同时表面看起来更健壮。你越放手，这种情况就越严重。当这样的工具交给没有清晰指导的初级开发者时，它还会教给他们非常糟糕的实践。因为如果你问他们为什么做所有这些，他们会令人信服地论证自己的做法。 Loop 在哪里有效 但与此同时，假装 loop 模式不管用也是不诚实的——它在某些领域已经好得惊人。 代码移植就是其中之一。已经有令人印象深刻的大规模自动化移植案例，包括报道中把 Bun 的部分代码从 Zig 移植到 Rust 的工作。我自己也成功用它把 MiniJinja 移植到了 Go。性能探索是另一个效果惊艳的场景。机器可以尝试实验、跑 benchmark、丢弃失败、继续搜索。安全扫描也自然适合，几乎任何类型的研究也一样：让系统探索一个复杂的问题空间然后汇报回来，不一定要提交持久化的代码。 这些场景的共性是：它们要么不生成新代码，而是转换已有代码；要么产生的代码有意不需要长期存活。它们要么产出 PoC 或想法，要么呈现发现，或者更像机械性的转换。 我相信，产出不需要长寿的 artifacts 的 loop，或者产出某种可清晰验证的机械性翻译的 loop，比 harness 机械性地衡量某个目标的一般能力更重要。很多成功的 loop 应用用另一个 LLM 作为 judge 或 orchestrator。机械性翻译场景可以用二元测试用例验证，但它也可以用 LLM 来评判！ Claude Code 在创建完整的实验性工作流并执行它们方面，变得越来越好。当然，它生成的代码是 slop，但那更多是模型的问题，而不是 harness 不能很好地判断工作流中的某一步是否带来了净改进或完成。 Harness 只需要一些信号让它能继续。不需要客观或二元——只需要足够有用来驱动下一次迭代。 我非常喜欢那些能把我日常中的无聊部分拿走的 loops——做实验、测量、给我灵感。 软件作为有机体 另一方面，用同样的 loop 方法来写持久化的代码，我还不觉得舒服。我喜欢的比喻是：从软件作为确定性机器，到软件作为有机体。 我成为一名软件工程师的环境鼓励我理解机器。总有一层你可以剥开来加深理解。不展现确定性可观测行为的机器也许被接受，但一般不被认为是最优的。在软件架构上，我认为追求更多的确定性而不是更少是可取的。同样，理解代码的能力一直是一个不可否认的目标。实践中并不总是可能，但我们仍然以写出好的代码为荣，使得即使是新工程师也能通过巧妙的架构在复杂的代码库中导航。在设计良好的系统上，总有一些工程师知道不变量在哪里，哪些部分是承重的，哪些改动是安全的。理想情况下所有这些都是有良好文档的。在缺乏这种理解的地方，通常被认为是需要改进的事情。 显然，那个理想一直都很紧张。许多软件系统，尤其是非常成功的系统，在工程师能让它保持干净的时期过后，常常变得太大、太动态、太依赖外部服务，无法装进任何人的脑袋。即使没有 LLM，我们在诊断分布式系统时也已经有点像医生了：观察症状、提出假设、"开更多检查"、尝试一些补救措施、再次观察。 但有了 LLM，我们正在沿着这个方向走得更远更快。我们用它们来写代码，也用它们来诊断和治疗。已经有大量工程师生活在这样一个世界里：生产问题发生后的第一步是让 clanker 读日志、提出根因、主动提出 patch。结果 patch 通常被另一台机器捡起来审查，有时甚至没有任何人工监督就合并到了 main。 显然这很强大，我不能否认它听起来很诱人。但屈服于这个想法，特别是随着人类监督越来越少，意味着接受我们可能无法再以同样的方式理解整个系统。我们治疗它、监控它、稳定它，但我们不一定理解它。 我毫不怀疑对于某些软件来说，这没问题。不是每一行代码都值得人类作者身份，而且过去也可能写过更差的代码。 但我希望所有软件都这样写吗？ 你无法完全退出 非常令人不安的是，选择退出这个全机器驱动的未来可能不是一个选项。 安全是最清晰的例子。即使你不用 loops 来构建你的软件，别人也会用 loops 来攻击你的软件。攻击者会持续运行机器，即使不是攻击者，安全研究人员也会，而其中一些自动化工作会产生大量噪音但也会发现真正的问题。信号和噪音都会以如此大的规模涌向你，以至于你几乎不得不也扔一台机器来处理。 Daniel Stenberg 关于 curl 的 summer of bliss 的帖子是一个很好的例子，展示了维护者已经承受的压力。据我所知，AI 在 curl 的核心开发中并没有扮演重要角色。但尽管如此，维护者还是被报告淹没了——其中大部分是 AI 生成的。 如果攻击者和报告者都在 loop，防御者最终也需要 loop 才能跟上。也许不是直接写 patch，也许只是用来 triage 和复现——但压力会增加。 竞争也是一样。有些团队会通过原始速度超越其他团队。有些项目会突然加速，因为一个小团队搞清楚了如何有效编排机器。有些 startup 可以用五个人做到过去需要五十个人的事。有些人可能会直接把一台机器放在一个 loop 里对着你的产品，告诉它"把它做得像那个一样"。而如果他们的用户很开心，这真的重要吗？ 不是所有软件都会受到同等影响。有些领域会惩罚草率，要求信任和责任，但很多软件生活在一个原始速度、快速实验和大面积覆盖至关重要的世界里。 建立新的依赖 最可怕的部分是，我们以新的方式变得依赖于这些新机器。软件一直依赖工具。我还记得我不得不为编译器付费的时候。这些新工具让人回想起那些创造软件需要真实成本的日子。但现在不再是一次性付款了——它是一种持续的依赖。不只是对钱包的依赖，还有认知依赖。 如果一个代码库由 loops 产生、由 loops 审查、由 loops 打补丁、由 loops 维护，当你不再能访问同等级别的系统时会发生什么？当某些贸易限制剥夺了对最强模型的访问时？如果只是成本变得不可接受呢？如果你和你的团队只是丧失了不用机器理解代码的最后一点能力呢？ 我们可能会创建出不仅人类难以维护、而且把机器参与作为其维护模型前提的代码库。这已经在发生了！不是在所有地方都发生，甚至可能不是以被视为有问题的方式在发生，但我们看到越来越多。人们越来越多地合并他们不能完全解释的代码。人们失去了创建 issue 报告或在聊天中讨论事情的能力，而不借助 clanker 增强或改写他们的消息。太多人越来越依赖机器来总结或提供上下文。我越来越多地遇到通过 LLM 这个中间人与我交流的人。 再说一次，也许这甚至不一定是错的，但它对我们做事的方式是一个巨大的改变。 未来的 Harness 我毫不怀疑这就是方向，但朝着这个方向走需要我们在所有地方都改善我们的工具，而不只是在 coding agent 里。 仅仅编排更多的 loops 是不够的。更好的变更可视化或编排或 agent 不会恢复我们的理解。要么我们需要找到巧妙的方法把人拉回 loop，让 loop 的变更长期可读，要么我们需要找到更好的方法来组合这些越来越复杂的系统。 这也是我对 Pi 的角色的想法在变化的地方。Pi 一直很谨慎，我认为这种谨慎是好的。我不希望一个每一次交互都变成不受控制的机器 swarm、做出我无法跟上的变更的未来。我不希望 Pi 为了赢得"软件自己写自己"的竞赛而变成一个不可维护的混乱，我也不希望 Pi 推广这类工程。但与此同时，Pi 是一个 harness，而 harness 正处在人们运行这些新型实验的中心。 编码任务的任务队列、agent 编排、子 agent、持久化 session 会变得越来越重要。即使是我们这些有保留意见、没有盲目拥抱 loops 的人，也必须要开始做这些实验了。因为我们需要理解如何让这个未来有边界、可生存。 控制 Loop 正如你从这篇文章中读到的，我对这个未来非常不安。不是因为恐惧，而是因为基于对这项技术至今的经验而产生的谨慎。 采用 harness loop 的想法意味着 harness 决定工作何时完成。在 agent loop 中，模型最终说"完成"然后我审查。即使在那之前，我通常也在沿途引导。我参与其中，我喜欢在学习中前行。在 harness 操作的 loop 中，我不确定我的角色到底是什么。甚至"完成"信号也失去了所有意义，只是变成了传递给另一台机器进行评判的信息。我的角色被简化为一个信使。 今天，我不喜欢我看到的那种用这种方式构建的系统产生的代码，我也不喜欢与太多用 AI 辅助构建的软件交互。Loop 很强大，但它越来越多地移除责任，至少在当下它非常鼓励我们向机器投降。 然而，我毫不怀疑这个 loop 化的未来就是我们的未来——尽管我目前对此感到反感。我已经看到惊人小的团队以不可能的速度在构建，我看到代码库正在变成越来越模糊和混乱的有机体，只能由更多机器来诊断。这些代码库同时既有用又混乱。 所以我想我开始接受一个事实：问题不是我们会不会 loop——显然我们会的。也许问题是：在一个 loops 的未来里，我们如何不放弃判断，如何在其中保留良好工程的原则，如何确保负责任的人能够继续监督，如何重新思考我们架构代码的方式以在其中保持清醒。 原文：Armin Ronacher, "The Coming Loop", 2026-06-23 链接： #AI# #Loops# #软件工程# #反思#

如何进入 Vibe Coding ？ AI 群聊的时候有朋友问我如何 Vibe coding，我简单回复了一下，现在整理出来发给大家 最近几周我都在 Vibe coding，作为一个脱离技术很多年的人，我对技术只懂一点点🤏，当然也不是全部不会，我会比一般人懂很多 我给想 Vibe coding 的朋友们一些建议，尤其是小白，如果你想进入 Vibe coding，该以哪种姿势进入 Vibe coding ? 1、学一门基础的编程语言，此处我推荐 JavaScript， 配合 AI 手动完成一些功能，理解编程是怎么回事 2、学习 git + github 基本操作，学习 node + npm 相关的知识， 一些基础的终端技术， 我觉得 1、2 学完了 差不多了，然后再去 vibe coding 3、选择一个好工具，我推荐 Claude code / Codex + Mac(16G就行)，不为别的，就是省事，如果没这条件，可以选择 kimi code/glm 4、以自身需求出发，没必要为了 vibe coding 写个五子棋之类的无聊的软件，这种软件毫无价值，以我为例 为了排版自己的 markdown并保存图片, 为了公众号排版，我写了个简单的网页工具 为了限制 chrome的 tab 的限制，我弄了个 tab limiter 插件 为了获取更多的信息，我写了个 chrome插件保存到 apple notes 里面，通过 claude code 构建一个 x 信息到 cloudflare 的工作流 为了卖 gg 卡，我写了个简单 网页 … 以上这些东西都不难，但能够简化我的问题，大家切勿做一些浪费时间的东西，AI 时代我们的时间和注意力最宝贵！

只是刷刷外网也被罚？90%的人分不清VPN和翻墙 最近在办公室喝茶无聊的时候刷到好几条使用vpn被上门查水表的新闻，其中一条看得我心里咯噔一下，谈谈自己的一点看法，也给刚使用vpn来注册x的的推友一点建议。。 今年3月湖北鄂州一个老哥，在家拿荣耀手机装了Clash翻墙刷TikTok、X，啥出格话没说、坏事没干，最后直接被派出所罚了200块。 这种翻墙被抓的消息每次一出，我身边好多朋友也来问我两件事，刚好今天我就谈谈自己的看法 第一个疑问：为啥身边一堆人偷偷翻墙用了好几年，啥事没有，偏偏就少数人被逮到？ 第二个最容易搞混：VPN和翻墙到底是不是同一个东西？很多人到现在都以为，VPN=翻墙，今天掰开揉碎说清楚。 先说大家最关心的：大部分人翻墙没被抓，真不是法律允许，纯粹是运气好。 我之前也跟朋友聊过这个事，执法机关的重心分得特别清楚，不会一上来就盯着咱们普通老百姓。 最先严查的永远是做翻墙软件、倒卖节点、到处卖账号牟利的那群人，这帮人是整条灰色产业链的源头，抓一个就是重罚，严重的直接刑事立案，网上曝光的大案基本全是这类。 其次才是翻墙之后乱搞事的普通人：跑去外网乱发表不当言论、参与网赌、传播不良内容、引流诈骗，只要你在境外平台有输出行为，后台一溯源精准找到人，处罚来得特别快。 至于我们这种只是刷刷视频、看看资讯，不发言不搞违法勾当的，监管系统流量池太大，不可能逐条筛查每个人，所以大部分人能暂时相安无事。 但这不代表没人管，这次鄂州那个男生就是现成例子，公安会不定时抽检排查，一旦撞上，罚款警告跑不掉，不存在“安安静静刷外网就没事”的豁免说法。千万别抱着侥幸心理，觉得大家都在用就法不责众，运气这东西早晚有耗尽的时候。 再聊很多人搞混的VPN和翻墙，我以前也一直误以为两者是一回事，后来查了法规、弄懂原理才知道完全两码事。 VPN本身就是个中性网络技术，压根不是为了翻墙诞生的。全称虚拟专用网络，说白了就是给网络搭一条加密隧道，保护我们传输的数据不被窃取窥探。 打个很生活化的比方，VPN就像家里的菜刀，工具本身没有对错。 正经能用的场景特别多：在外打工的跨国公司员工，远程连公司内网办公；出门在外连商场、车站公共WiFi，用合规VPN防隐私泄露；还有我们平时玩游戏用的正规加速器、大企业办业务走的跨境专线，全都是合规VPN。 那翻墙又是什么？ 在我理解里，翻墙是一种违规行为，指没经过国家相关部门批准，私自绕开网络管理，去访问境内限制的境外网站 而且翻墙不单单只有私自VPN这一种手段，Clash、代理、Tor这些乱七八糟的工具全都能实现，VPN顶多只是众多工具里的其中一个。 简单捋顺逻辑：VPN是工具，翻墙是行为。菜刀能切菜，也能拿来做坏事；VPN能合法办公加密，也能拿来违规跨境上网，好坏全看使用者的用途。 我专门去了解过国内相关规定，界限划得明明白白：技术不违法，私自绕开监管联网才违法。 企业要是做外贸、跨国业务，有真实需求，能走正规流程申请备案VPN专线 但门槛真的很高，必须是注册公司，做全省业务注册资金最少100万，全国业务要1000万，还要配套完整技术方案，法人三年内不能有电信相关违法记录。 光是“公司主体”这一条，就把咱们普通人直接拦在外头，个人根本没有渠道申请合法跨境VPN。 市面上我们随手能搜到、花钱买节点的各类翻墙工具，全都是没有备案资质的非法信道。哪怕你只是单纯刷短视频，只要连接使用，就违反了网络管理相关规定。 这里还有个容易踩的坑：就算你身边朋友有企业合规VPN，借来刷外网娱乐平台也不行，备案用途仅限办公，超出范围使用一样违规。 最后说几句我的真心话，给所有还在偷偷翻墙的朋友提个醒。 第一，别自我麻痹区分“轻度翻墙”“重度翻墙”。法律不会管你是看动漫还是刷资讯，处罚依据是“未经批准私自国际联网”，鄂州那个男生没发任何违规内容照样罚款，足以说明一切。 第二，私自翻墙不止会被罚款，隐藏风险多到离谱。那些私人搭建的节点、破解软件毫无安全保障，运营者能看到你所有浏览记录、手机里的照片，甚至银行卡信息，不少人因为用不知名翻墙工具被盗号、被勒索。更可怕的是，一旦借着翻墙接触网赌、灰色交易，行政违法直接升级成犯罪，代价根本承担不起。 第三，真有查看海外信息的需求，完全没必要铤而走险。做外贸的走企业合规专线；学生查外文文献可以去学校图书馆、科研机构的授权数据库；普通人想了解国外新闻，国内正规媒体平台都有海外资讯板块，完全能满足日常需求。 总结一下我的看法：VPN只是中立的网络工具，翻墙是实打实的违规行为，两者绝对不能画等号。合法跨境VPN只面向符合条件的企业，咱们普通人不存在合规私自翻墙的途径。 现在网络监测技术越来越完善，基层排查也越来越频繁，暂时没出事不代表永远安全。与其赌运气担惊受怕，不如老老实实遵守网络法规，走正规渠道获取信息，既不会惹上行政处罚，也能保护自己手机里的隐私安全。

说起来华为那个折叠屏笔记本我还蛮喜欢，屏幕张开，可以当作上下屏+键盘，完全展开可以变成一个超大便携屏幕的感觉。虽然特别贵。但是那天我突然无聊就问了下华为的员工，我说大多数工程软件，专业软件你们鸿蒙都不支持啊，这电脑咋用。他说我们内置了windows模拟。 我就让他操作了下。这就很惊艳了，但是很奇怪的是这个windows模拟一旦打开，就只能独占，不能作为一个窗口，或者上下屏的一个屏。这可用性就大打折扣了，技术上没必要啊。

在淘宝做技术专家那几年,是我职业生涯里成长最猛也最疼的一段。 那时候淘宝的技术氛围有一种很特殊的东西,后来在其他公司再也没遇到过:所有人都觉得自己在做一件前人没做过的事,而且这种感觉是真的,不是老板画的饼。双十一的流量,全世界没有第二个参照系。你不能去 Google 抄答案,因为 Google 没处理过这种规模的交易洪峰。你也不能等着别人先趟路,因为没有别人,你就是那个趟路的。 我记得最清楚的是那种"被逼出来的成长"。不是公司安排你去学什么,是系统扛不住了、数据跑不动了、链路断了,你不解决就没人解决。你今天还在看文档学一个中间件的原理,明天凌晨两点它就在生产环境里出了一个文档里没写过的问题,你得当场想办法。那种压力下学到的东西,跟上课学的完全不是一回事。上课学的是知识,凌晨两点学的是本能。 淘宝教会我的第一课:数据比代码值钱。那个年代大家都在追架构、追框架、追中间件,觉得写出一个高并发高可用的系统是最牛的事。后来我慢慢发现,系统是手段,数据才是资产。系统挂了可以重启,数据丢了或者数据质量烂了,业务决策就是在盲人摸象。我后来转到大数据方向,根子就是在淘宝种下的:你见过一次因为数据口径不统一导致几百万预算打水漂的事,你就再也不会觉得"数据治理"是一个无聊的话题。 第二课:大厂最稀缺的不是技术人才,是能把技术翻译成业务价值的人。淘宝不缺写代码的高手,缺的是能坐在业务方对面,听懂他到底想要什么,然后回来把这个东西变成一个技术方案的人。很多技术做得极好的同学,在这一步上卡住了,不是能力不够,是不愿意"降维"去听那些在他看来很初级的业务问题。后来我发现,这个"翻译"能力才是最值钱的,因为它两头都稀缺:业务方不懂技术,技术方不愿意懂业务,中间那个位置空着,谁站进去谁就有话语权。 第三课:组织比技术变化更快。我在的那几年,组织架构调了好多次,今天你的团队在这个事业部,三个月后可能整体划到另一个 BU,你的汇报线换了、合作方换了、优先级全变了,但手里的活不能停。你得学会一种能力:在组织剧烈变动的时候,保持自己的技术判断不被行政结构带偏。老板换了三个,方向调了四次,可底层该解决的数据问题还是同一个。能看到这一层的人,不管组织怎么变都有位置;看不到的,每次变动都觉得天塌了。 第四课,也是最私人的一课:身体是有极限的,而且它不会提前跟你商量。在淘宝和后来的大厂里,我一直觉得自己扛得住。连续加班、长期高压、睡眠不足,身体偶尔发出的信号都被我当成"扛扛就过去了"。直到 2017 年主动脉裂开,我才明白:身体给你的警告不是商量,是通知。你忽略了它,它不会再发第二次警告,直接执行。 从淘宝出来之后,我又在几家公司做到了大数据总监,管过上百人的团队。再后来到了大阪,一个人做独立 AI 工程师。回头看,淘宝那段经历给我最深的烙印不是某个技术,是一种面对未知问题时"先上手再说"的本能。不等条件完美,不等方案完整,先冲进去,边打边想,错了就调。 这个习惯在大厂有时候会被诟病为"不够严谨"。可出来单干之后才发现,这恰恰是独立工程师最需要的东西。因为没有人给你排期,没有人帮你评审,没有人替你兜底。你就是那个凌晨两点被叫起来的人,也是唯一一个能解决问题的人。 淘宝没教我怎么做一个好员工。它教我怎么在没有路的地方走出一条路来。这个能力,到今天还在用。

聊一个极其残酷、但正在发生的行业真相： 加密技术迎来了巅峰，但加密代币（Tokens）可能正在走向慢性死亡。最近市场每次下砸都毫无征兆，以前看链上数据、看技术基本面，现在全部失效。为什么？因为资金正在从“代币本身”疯狂流出，而被抽走的流动性，流向了两个我们无法拒绝的地方： 1️⃣ 交易所无缝对接美股：现在各大交易所打破壁垒，让大家可以直接在同一个App里买美股。以往资金进了币圈就在内部循环，现在只要币圈稍微无聊，资金立刻化身“失血通道”，一键换成科技股和AI。美股的持续强势，正在无形中把代币的流动性抽干。 2️⃣ 预测类项目（Prediction Markets）的疯狂爆发：Polymarket、Kalshi 等预测市场的月交易量动辄突破两百亿美金，链上活跃度拉满。但这恰恰是最讽刺的地方——Web3 的链上设施（稳定币、高TPS）被证明极具生命力，可大家宁愿用稳定币去赌政治、赌体育、赌美联储宏观数据，也不愿意去碰哪怕一眼山寨币。 这扯下了币圈最后的遮羞布：用户厌恶了代币（Token），但接受了技术（Web3）。 资金只要一闲下来，左转去买确定性更高的美股，右转去玩更好玩的预测市场。留给那些没有造血能力、全靠CX拉盘的加密代币的资金，还剩多少？ 过去我们炒币是炒“预期”，现在预测市场把所有预期精确定价，交易所把美股直接送到嘴边。 加密技术或许正处于它的春天，但纯靠情绪和空气支撑的“旧代币时代”，可能真的没有春天了。各位怎么看当前的失血市？ 👇 #Crypto# #Polymarket# #美股#

关于AGI，我其实没那么害怕机器变聪明，更怕我们自己变懒 说实话，我见过不少讨论通用人工智能（AGI）的帖子，大家最担心的往往是“机器会不会失控”“会不会取代人类”。但在我来看，最吓人的未来根本不是机器变得太聪明。 而是我们人类自己变得越来越被动，最后让那么少数几家机构来决定，智能应该怎么定价、归谁所有、被谁控制。 我不是反技术的人。如果你问我，我会说自己是一个“有条件乐观派”。 有条件在哪里？ 我相信AGI确实有机会带来真正的富足：把教育和医疗的瓶颈打通，把那些重复无聊的工作丢给自动化，让一个普通个体也能拥有以前只有大公司才有的杠杆。这一点上，我是真的乐观。 但我也越来越警惕一种风气：就是那种只要你说一句“这里有风险”，就立刻被扣上“阻碍进步”“贩卖焦虑”帽子的无脑乐观。这种乐观说白了就是懒，懒得思考权力结构，懒得设计制衡机制。 2026年的AGI，离所谓的“最终定义”其实还很远。它更像一个正在演化中的方向：能跨领域推理，能自主行动，能开始替换完整的工作流程，而不仅仅是帮你写个邮件摘要、做个会议记录。 也正因为AGI正在从“辅助工具”变成“自主执行体”，去中心化这件事才不是币圈的自嗨，而是一个基础设施级别的命题。 一个真正AGI原生的世界，需要的不是被几个大模型接口垄断的封闭花园，而是： 开放且可编程的价值交换（说白了就是钱不能被卡脖子） 可携带且自主控制的身份（你的数据、你的行为记录，你自己说了算） 可验证但不依赖中心化评分的声誉（干活好坏有证明，而不是靠一个平台给你打分） 这些东西，都需要提前搭好。 我自己的框架一直很简单，就三条： 第一，对智能本身保持乐观。 技术进步是拦不住的，它会扩散，会变便宜，这很好。 第二，对权力集中保持极度警惕。 谁控制着推理的入口，谁就捏住了未来。这不是阴谋论，这是最简单的经济逻辑。 第三，对自己的适应速度保持侵略性。 别躺，别等，别骗自己说“转型还很远”。学起来，用起来，做出你自己的工作量证明，拥有你自己的分发渠道。 未来不会奖励那些等到AGI把牌桌规则改完了才慌慌张张找座位的人。它奖励的是现在就已经在动手调整自己工具箱的人。 当然，我并不是说我已经有了所有答案。像一些正在探索智能合约与AI推理结合的项目（比如 @RallyOnChain 或 @GenLayer，如果你关注这个方向的话），至少他们在认真问“怎么让执行和决策更分散”，这本身就是一种值得鼓励的尝试。 总之，我选择做一个有条件的乐观主义者：对智力乐观，对权力悲观，对自己下手狠一点。你呢？